این آزمایش با هدف بررسی تاثیر هیومی پتاس در افزایش سطح تحمل به شوری گیاه پوششی فیلا (Phyla nodiflora L.) بر اساس ویژگی های مورفوفیزیولوژیک انجام شد. طرح کرت های خردشده در یک آزمایش گلخانه ای با دو عامل به صورت بلوک های کامل تصادفی در سه تکرار اجرا شد. کرت اصلی شامل شوری کلرید سدیم در 5 سطح مختلف (صفر، 4، 8، 12 و 16 دسی­زیمنس بر متر) بود؛ در حالی که، کرت فرعی شامل سه سطح هیومی پتاس (صفر، 500 و 1000 میلی­گرم) بود. نتایج نشان داد، بدون در نظر گرفتن تیمار کودی، وزن تر شاخساره و کیفیت ظاهری در تیمار شوری 16 دسی زیمنس بر متر در مقایسه با گیاهان شاهد به ترتیب کاهش معنی دار 02/19 و 34/24% نشان دادند. دیگر ویژگی مثبت گیاه فیلا در تنش شوری 16 دسی زیمنس بر متر، وضعیت به نسبت مطلوب رنگدانه های گیاهی بود. افزون بر این، کیفیت ظاهری همبستگی قوی و مثبتی با طول شاخساره، وزن تر و خشک شاخساره و وزن تر ریشه نشان داد. به طور کلی نتایج بیانگر آن بود که فیلا در زمان تنش شوری از ویژگی های رشدی خود کاسته است. بدین ترتیب از کیفیت ظاهری در شوری بالا تا حدودی کاسته شد؛ اما در عوض سبزینگی فیلا در شرایط تنش حفظ شد. بر اساس نتایج وزن تر و خشک شاخساره و ریشه، محتوای نسبی آب (RWC) برگ و کیفیت ظاهری گیاه فیلا تا سطح شوری 8 دسی زیمنس بر متر از وضعیت مطلوبی برخودار بود و نیازی به استفاده از تیمار هیومی­پتاس تا این سطح از تنش وجود ندارد. در سطوح شوری بالا (12 و 16 دسی زیمنس بر متر)، ویژگی های مورفوفیزیولوژیک فیلا کاهش یافت. در نتیجه در سطح شوری بالا برای بهبود وضعیت کلی گیاه، کاربرد هیومی پتاس پیشنهاد می شود. به طوری که، هیومی پتاس 500 میلی گرم بر لیتر سبب افزایش طول شاخساره، تعداد شاخساره جانبی و RWC در سطح شوری 16 دسی زیمنس بر متر شد. افزون بر آن، 1000 میلی گرم بر لیتر هیومی پتاس، سبب بهبود رنگدانه های گیاهی در تیمار شوری 12 دسی زیمنس بر متر گردید.

رشد جمعیت و توسعه محیط های شهری، برای محققان انگیزه زیادی را در زمینه اطلاعات مکانی برای ارائه روش هایی جهت استخراج عوارض ایجاد کرده است. تکنولوژی سنجش از دور و تصاویر ماهواره ای به ابزار مهمی جهت کسب اطلاعات مورد نیاز به منظور استخراج عوارض تبدیل شده است. وجود برخی موانع در تصاویر نوری ماهواره ای مانند شرایط آب و هوایی و وجود ابر و سایه، مانع از کسب اطلاعات از سطح زمین می شود. برای حل این مشکل، به بررسی توانایی عملکرد تصاویر راداری جهت کمک به استخراج عوارض شهری توسط تصاویر نوری به ویژه تشخیص پیکسل های واقع شده در مناطق سایه و ابر پرداخته شد. در این مقاله تصاویر وردویو-3 و الوس-2 به صورت تک پلاریزاسیون و چهار پلاریزاسیون در نظر گرفته شد تا به کمک ویژگی های بهینه استخراج شده از آن ها، به طبقه بندی گیاه، ساختمان، راه و خاک با استفاده از تلفیق در سطح ویژگی و تصمیم گیری پرداخته شود. ویژگی های مستخرج از تصویر نوری شامل پارامترهای بافت حاصل از ماتریس هم رخداد و ویژگی های راداری شامل پارامترهای بافت برای تصویر تک پلاریزاسیون، پارامتر های حاصل از روش های تجزیه هدف، ویژگی های تفکیک کننده و ویژگی های اصلی برای تصویر با چهارپلاریزاسیون است. در طبقه بندی به کمک ویژگی های نوری و راداری با استفاده از تلفیق در سطح ویژگی، دقت کلی 83/96 درصد بدست آمد و تا حدودی قادر به شناسایی درست پیکسل ها در مناطق سایه و ابر است؛ درحالیکه در طبقه بندی به کمک ویژگی های نوری، دقت کلی 81/02 درصد بدست آمد. نتایج حاصل شده از طبقه بندی با استفاده از تلفیق در سطح تصمیم گیری، بسیار پایین و غیرقابل قبول است. نتایج در این مقاله نشان دادند که استفاده از تصاویر راداری در کنار تصاویر نوری در طبقه بندی عوارض با استفاده از تلفیق در سطح ویژگی تا حدودی باعث بهبود دقت شد و بسته به شرایط مختلف ممکن است نتایج متفاوتی از تلفیق تصاویر نوری و راداری بدست آید.

اخیرا مد جدیدی در سیستم های تصویربرداری پلاریمتری دوتایی (DP) رادار با روزنه مجازی (SAR) ارائه شده است که پلاریمتری فشرده (CP) نامیده می شود. این مد چندین مزیت مهم را نسبت به مد تمام پلاریمتری (FP) دارا می باشد که ازجمله آن ها می توان به افزایش در پهنای نوار و نیز کاهش در پیچیدگی، هزینه و نرخ دادهای یک سیستم تصویربرداری SAR اشاره کرد. علی رغم این مزایا، این مد اطلاعات کمتری از اهداف را نسبت به مد FP اخذ می کند. بنابراین دقت نتایج طبقه بندی با استفاده از این مد، به مراتب کمتر از دقت نتایج حاصل از به کارگیری مد FP خواهد بود. این تحقیق، روشی را جهت بهبود نتایج حاصل از طبقه بندی با استفاده از داده های CP پیشنهاد می دهد. برای این منظور، دو روش درنظر گرفته شده است. در روش اول، مدهای CP شبیه سازی شده از مد FP ماهواره رادارست-2، و در روش دوم، مدهای FP بازسازی شده از این مدهای CP (که شبه پلاریمتری چهارتایی (PQ) نامیده می شوند) در سطح ویژگی با یکدیگر ترکیب می شوند. نتایج این پژوهش نشان می دهد که ترکیب مدهای CP در سطح ویژگی دقت کلی طبقه بندی را به %79.76، و ترکیب مدهای PQ دقت کلی طبقه بندی را به %85.01 بهبود داده و گاهی بهتر از دقت کلی طبقه بندی حاصل از به کارگیری مد FP خواهد کرد.

دستیابی به تصاویر ماهواره ای با قدرت تفکیک مکانی و زمانی بالا به صورت هم زمان یکی از چالش های جدی محققان در حوزه سنجش از دور و کاربردهای آن بوده است. در سال های اخیر، محققان تلاش جدی برای حل این مسئله انجام داده اند. استفاده از تکنیک تلفیق مکانی و زمانی تصاویر، ایده ای بوده که در چند سال اخیر مورد توجه بسیاری قرار گرفته است. در این مطالعه با استفاده از الگوریتم تلفیق مکانی-زمانی تصویر (STI-FM) و تصاویر دمای سطح زمین سنجنده مودیس، تولید تصاویر شبه لندست دمای سطح زمین در بازه های کمتر از قدرت تفکیک زمانی لندست (16 روزه) و بر روی منطقه ای از اراضی زمینی مختلف، مورد بررسی قرار گرفت. الگوریتم STI-FM شامل دو گام اصلی می باشد. ابتدا ضرایب رابطه خطی بین دو تصویر دمای سطح زمین مودیس در زمان های 1 و 2 تعیین می شود و در گام دوم این ضرایب به تصویر دمای سطح زمین لندست در زمان 1 اعمال می شود تا تصویر شبه لندست در زمان 2، پیش بینی شود. نتایج نشان داد که رابطه خطی قوی بین دو تصویر مودیس در زمان های 1 و 2 وجود دارد (ضرایب تعیین 85/0 و 95/0). ارزیابی کیفی و کمی تصاویر مصنوعی دمای سطح زمین انجام شد؛ و مشخص شد که توافق بصری بالا و رابطه قوی بین تصاویر دمای سطح زمین واقعی و مصنوعی بر روی پوشش های مختلف زمینی وجود دارد؛ ضرایب R2 و RMSE به ترتیب در محدوده 74/0-94/0 و 44/1-52/2 قرار گرفتند.

تالاب انزلی در ایران به عنوان یکی از تالاب های ارزشمند ثبت شده در کنوانسیون رامسر در معرض تهدید عوامل محیطی و انسانی است. در دو دهه اخیر در بین انواع تصاویر ماهواره ای، تصاویر سنجنده های راداری، نقش مهمی در پایش تالاب ها داشته اند، زیرا این سنجنده ها در تمام شرایط آب وهوایی فعالیت می کنند و به زبری و رطوبت سطح حساس هستند. با این حال، مشکلاتی نظیر تشابه ضرایب بازپخش بین کلاس های مختلف و پردازش های نسبتا دشوار در مقایسه با سنجنده های نوری کاربرد آن ها را محدود می کند. در مطالعه پیش رو قابلیت تصاویر راداری در طبقه بندی تالاب انزلی و سه کاربری اصلی اطراف تالاب (زمین های کشاورزی، نیزار و مناطق ساخته شده) ارزیابی شد. به این منظور، دو تصویر راداری آلوس پالسار 2 و سنتینل 1 در سال 2018 انتخاب شد. پارامترهای بافت از هر دو تصویر استخراج شد. باندهای دو تصویر رادار و لایه های بافت استخراج شده به روش تلفیق در سطح ویژگی ادغام شده و سپس، با استفاده از الگوریتم جنگل تصادفی طبقه بندی شدند. صحت کلی روش تلفیق در سطح ویژگی معادل با 75 درصد و ضریب کاپا برابر با 62 درصد است. نتایج ارزیابی مربوط به صحت تولید کننده و کاربر به ترتیب برابر با 100 و 83 درصد است. صحت زیاد نتایج به دست آمده نشان دهنده قابلیت مناسب تصاویر رادار در طبقه بندی و تشخیص بدنه آبی تالاب است، در صورتی که در تفکیک اراضی کشاورزی، نیزار و مناطق ساخته شده خطای بیشتری مشاهده شده است. همچنین، روش تلفیق در سطح ویژگی، شیوه موثری برای استفاده هم زمان از ویژگی های متمایز تصاویر مختلف در طبقه بندی کاربری اراضی تالابی است.

امروزه با گسترش مناطق شهری تولید اطلاعات دقیق و به روز از جمله اطلاعات اساسی، به منظور مدیریت و برنامهریزی شهرها است. گسترش روز افزون تکنولوژی سنجش از دور امکان استخراج اطلاعات متنوع از پوششهای شهری را فراهم آورده که موجب جلب توجه محققهای فراوانی به این موضوع شده است. وجود عوارض متنوع و نیز کاربریهای مختلف اطلاعات مکانی مناطق شهری، تلفیق منابع داده مختلف به منظور شناسایی عوارض را به امری کاربردی مبدل کرده است. هدف این تحقیق تلفیق ویژگیهای بهینه استخراج شده از دادههای اپتیک و لایدار به منظور شناسایی عوارض شهری در منطقه مورد مطالعه میباشد. در این راستا ویژگیهای مختلفی از هر یک از این دادهها استخراج شده است. از جمله این ویژگیها میتوان به ویژگیهای رنگی، شاخص گیاهی و بافت از تصویر اپتیک و ویژگیهای نرمی، مدل ارتفاعی رقومی نرمال و زبری از تصویر لیدار اشاره نمود. سپس به منظور انتخاب ویژگیهای بهینه از الگوریتم ژنتیک استفاده شده است. در انتها با استفاده از روش طبقهبندی کننده ماشینبردار پشتیبان به شناسایی عوارض مورد نظر پرداخته شده است. دقت طبقهبندی کننده الگوریتم ماشین بردار پشتیبان در منطقه مورد مطالعه با استفاده از ویژگیهای بهینه و دادههای اولیه 734/88 محاسبه شده که نسبت به طبقهبندی داده اولیه اپتیک چندباندی دارای بهبود 438/25 درصدی و نسبت به طبقهبندی داده اولیه لایدار دارای بهبود 236/18 درصدی است. نتایج بررسی نشان دهنده افزایش دقت طبقهبندی با استفاده از ویژگیهای بهینه در کنار باندهای اولیه است.